XiaoMi-AI文件搜索系统
World File Search System废岩
棕榈油厂废水中微藻葡萄藻的加工繁殖
棕榈油厂废水 (POME) 的化学和生物需氧量 (BOD 和 COD) 高，因此污染程度远远高于城市污水。本研究检查了典型物理环境下 POME 废水的特性，以追踪不同体积和不同 POME 稀释度下微藻（即葡萄藻属）的生长条件。从分析 POME 的水质测量结果开始，然后得出微藻的生长条件。葡萄藻属微藻无法在稀释的原始 POME 中繁殖。然而，在充足的光照和氧气条件下，它可以在稀释的厌氧 POME 中很好地繁殖。研究结果表明，70% 的稀释厌氧 POME 是微藻葡萄藻属增殖的理想稀释度。原始 POME 在物理上被描述为水中含有的高总固体和浊度浓度的浓稠褐色液体。该研究探讨了葡萄藻属的用途。在 POME 材料中进行培养和繁殖以实现可持续的生物能源生产，突出了微藻在未来经济效益方面的潜力。关键词：POME；微藻 Botryococcus sp.；微藻培养；废水
病毒蛋白测序识别9个城市的废水中的H5N1禽流感
*相应的作者摘要：鸟类流感（血清型H5N1）是一种高度致病的病毒，1996年出现在家庭水禽中。在过去的十年中，已经报道了包括人类在内的哺乳动物传播。尽管人类传播到人类传播很少见，但在过去爆发中染上病毒的患者中，感染是致命的。驯养动物中病毒的越来越多引起了人们对病毒适应免疫学上天真的人类的实质性关注，可能会导致下一个流感大流行。基于废水的流行病学（WBE）用于跟踪病毒历史上用于跟踪脊髓灰质炎，最近在COVID-19大流行期间已针对SARS-COV2监测实施。在这里，使用不可知论的混合捕获测序方法，我们报告了在九个德克萨斯州的九个城市的废水中检测到H5N1的检测，在2024年3月4日至4月25日的两个月内，数百万个集水区的总人口在数百万美元中。测序读取与H5N1的独特对齐覆盖了所有八个基因组段，最适合2.3.4.4b的进化枝。值得注意的是，23个受监视的站点中的19个
热电发电机在废热回收和空间应用方面的进展和前景
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
Exergy International解释了为什么水泥行业必须采用新的废热
能源效率是降低水泥过程和遏制碳排放的最有效措施之一。提高能源效率的干预区域与热能收集有关。水泥制造工艺需要大量的热量，但由于能量转化的效率低下，几乎40％的它变成了排气热，但没有开发。这代表了废热恢复（WHR）的重要机会，可以极大地提高整体效率。根据Persson等人的分析。在KC ORC关于欧洲能源密集型行业的研究中，热能仅用于总能量输入的25％，这意味着目前浪费了从初级燃料中获得的热能的75％。1分析确定了1175个欧洲工业地点，其废热电位超过50 mW。通过在本研究中映射的水泥厂中恢复估计的废热，可以使用有机兰金循环（ORC）技术产生大约447.3 MW的电力。
Gabanintha气面项目
Gabanintha Vanadium项目是一项提议，旨在通过开放坑开采开发多个钒矿床（北部和中部），其生产和加工速率在23年内每年高达400万吨矿石（MTPA）。该提案位于西澳大利亚州中部地区的Meekatharra 40公里（公里）。该提案的支持者是澳大利亚技术金属有限公司。该提案包括开发矿坑和相关的基础设施，包括废岩地面（WRL），矿化废物库存，加工厂，我的运行，综合废物地图（结合尾矿存储设施），钙化存储区域，矿山脱水厂，脱水设施，工厂，车间，综合场，综合建筑和关联的基础设施和关联的建筑物。提出了两种采矿场景；方案1（分别挖掘北部和中央沉积物）和方案2（在扩展的坑中一起挖掘北部和中央沉积物）。
钻石漂移勘探指南 - 安大略地质学
1. 钻石晶体的常见形态 ................................................................................................................................ 1 2. 钻石稳定场 ................................................................................................................................................ 3 3. 世界原生和次生钻石矿床地图 ................................................................................................................ 4 4. 含钻石围岩的年龄范围 ............................................................................................................................. 7 5. 金伯利岩岩浆系统的理想模型 ............................................................................................................. 9 6. 横截面显示的岩孔-根区关系 ............................................................................................................. 9 7. 钾镁辉岩岩浆系统的理想模型 ............................................................................................................. 11 8. 安大略省与碱性岩、碳酸盐岩和金伯利岩侵入岩相关的主要区域构造 ............................................................................................. 15 9. 线间距在航空磁测中的重要性 ............................................................................................................................. 17 10. 金伯利岩的正地面重力异常 ............................................................................................................................. 18 11. 金伯利岩的负地面重力异常金伯利岩........
奥斯陆地区硬岩隧道引起的渗水、注浆和孔隙压力降低分析
由于地面条件恶劣，软质海洋粘土沉积物下为坚硬的基岩，斯堪的纳维亚半岛的许多地下项目都面临着隧道进水沉降风险的挑战。这些充满粘土的洼地中的孔隙压力降低会对附近的建筑物造成损坏，这是奥斯陆基础设施建设的主要风险之一。本文介绍了奥斯陆地区 44 条隧道的大量数据库，这些隧道建于 1975 年至 2020 年之间。数据包括开挖前注浆后测得的进水量、孔隙压力降低、开挖前注浆工作量和地质参数。对数据进行分析以确定关键参数之间的趋势和关系，例如给定进水率的预期孔隙压力降低和获得给定注浆区水力传导率所需的注浆工作量。分析表明，在未来的项目中，有必要将重点放在孔隙压力监测上，而不是进水，以降低不可接受的孔隙压力降低的风险。提出了如何优化开挖前灌浆的监测和跟踪以确保满足所需的防水性的建议。
多步校准策略，用于可靠的参数确定盐岩力学组成模型
可再生氢在盐洞中的储存需要快速注入和生产速率，以应对能源生产和消费之间的不平衡。这种操作条件引起了人们对盐洞穴的机械稳定性的担忧。为盐学选择适当的构成模型是研究此问题的重要一步，文献中已经介绍了许多具有多个参数的本构模型。但是，基于应力应变数据，可靠地确定哪个模型和哪个参数代表给定岩石的强大校准策略仍然是一个未解决的挑战。在社区中，我们首次提出了一个多步策略，以根据许多用于盐岩的变形数据集确定单个参数集。为此，我们首先开发了一个综合的构造模型，能够捕获瞬态，反向和稳态蠕变的所有相关非线性变形物理。然后，通过将校准过程作为优化问题来实现单个代表性材料参数的确定，并为其使用该问题。动态数据集成是通过多步校准策略来实现的，对于一次可用的一个实验。此外，我们的校准策略可以灵活地考虑岩石样品之间的轻度异质性，从而产生一组代表变形数据集的参数。我们的绩效分析结果表明，提出的校准策略是可靠的。作为对所提出方法的严格数学分析，缺乏相关的实验数据集，我们考虑了广泛的合成实验数据，灵感来自文献中现有的稀疏相关数据。此外，随着包含更多数据进行校准，模型的精度变得越来越好。
使用地球物理日志的机器学习辅助岩性预测：Cambay Basin的案例研究
识别和储层相的表征是划定用于碳氢化合物勘探的储层的碳氢化合物区域的主要因素。地球物理日志是在钻孔附近测量的储层相的物理参数，在储层相的解释中起着至关重要的作用。本研究涉及使用地球物理原木上的机器学习（ML）技术在坎贝盆地中岩石BEL的岩性的识别。机器学习的监督技术，例如支持向量机（SVM），ARTI B CIAL神经网络（ANN）和K-Nearest邻居（KNN），用作非线性地球体物理原木岩性学的识别的非线性分类。使用网格搜索交叉验证（CV）方法优化了ML模型的超参数，如ConfusionMatrix评估，auctreceiver操作特性曲线（AUC），精度，召回和F1分数对促进性的促进症状效果。ML模型使用了两个井的地球物理参数，其中有四个已知的杰出岩性（class-a，class-b，class-c和class-c和class-c和class-c和class-c和class-class-c和class-class-class-c和class-class-class）。分别从混淆矩阵中分别为KNN，SVM和ANN的每个岩性的优化和训练的模型，分别以85.4％，87.0和88.9％的形式显示了对真实值的总体正确预测。因此，每个模型从评估参数中的准确性表明，对不同ML模型的组合分析选择优化的ML模型，以更好地实现和验证，以更好地实现和建模岩性。除此之外，接收器手术特征（ROC）还表明，每种岩性的曲线下的整体面积大于90％，其他评估参数（例如精度，回忆和F1得分）的准确性大于84％，除了SVM和ANN类C类D类和Ans类D类案例外。